Navegando por CNPq "CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Densidade crítica no modelo de percolação em rede de Bethe não-homogênea
(Sociedade Brasileira de Matemática Aplicada e Computacional, 2015-08) TAVARES, Héliton Ribeiro; SOUZA, Raimundo Nonato Carneiro de; TAVARES, Maria Regina Madruga; FARIAS, Valcir Joao da Cunha
Neste trabalho tratamos de um modelo percolação não-homogênea na rede de Bethe cuja probabilidade de um elo no nível n estar aberto muda de acordo com n. Este modelo pode ser apropriado para situações onde o meio muda sua densidade de forma sistemática, tal como a proliferação de insetos que dependem da temperatura e umidade, que variam entre dia e noite. Consideramos o caso onde a probabilidade de um elo en do nível n estar aberto é dada pela função senóide p(en ) p + (1 - p)|sen(n)|. Para este modelo apresentamos resultados de simulações Monte-Carlo que indicam um comportamento da função de percolação com transição de fase de segunda ordem em pc , mas provamos analiticamente a existência de um ponto crítico não trivial, apresentando a expressão para a obtenção desta probabilidade crítica.
Acesso aberto (Open Access)
Métododos de identificação fuzzy para modelos autoregressivos sazonais madiante a função de autocorrelação estendida
(Universidade Federal do Pará, 2016-12-13) CARVALHO JÚNIOR, José Gracildo de; COSTA JÚNIOR, Carlos Tavares da; http://lattes.cnpq.br/6328549183075122
Neste estudo, é proposta uma estrategia baseada na metodologia fuzzy para a melhoria do desempenho das previsões de dados mediante um modelo de série temporal. Esta metodologia é concebida para modelagem de processos autoregressivos sazonais de média móvel e pode ser adotada sobre diversas aplicações no mundo real. Por meio da abordagem híbrida, baseada em uma versão da função de autocorrelação fuzzy, a interpolação e as capacidades de generalização de sistemas fuzzy foram exploradas para se obter uma previsão robusta, mesmo considerando séries de curta ou longa duração. A fim de aumentar a precisão do algoritmo de identicação proposto, vários parâmetros de desempenho foram testados e otimizados por simulações computacionais. Os seguintes parâmetros foram considerados nesse processo: o comprimento de trajetória da série histórica, o número de conjuntos fuzzy, e o limite para ativação do suporte dos conjuntos fuzzy triangulares. Observou-se que a função de pertinência triangular contribuiu para a melhoria do desempenho no modelo de previsão. Para demonstrar a eficácia da metodologia proposta, foram implementados quatro estudos de caso a partir de dados disponíveis na literatura. Os resultados confirmaram o bom desempenho do algoritmo proposto, permitindo a obtencão de um erro de previsão pequeno, sobretudo, em comparação com metodologias de identificação parametrica consolidadas na literatura. As projeções produzidas pelo novo método proposto, quando submetidas ao conceito de intervalo de confianca fuzzy, demonstraram uma precisão satisfatoria.